胰腺活检中的综合性组织病理学成像:高清红外成像与机器学习方法

科学领域:

• 生物医学光学 生物医学光学
• 计算病理学计算病理学
• 医疗成像医学成像

背景情况:

• 红外 (IR) 基因病理学提出了一种新的组织分析方法,补充了传统方法.
• 红外成像为诊断中的临床应用提供了有价值的生化信息.

研究的目的:

• 开发一种强大的像素级机器学习模型,用于使用红外成像检测胰腺癌.
• 用标准和高清IR数据集评估模型的分类性能.

主要方法:

• 利用来自250名患者的600多个胰腺活检的大数据集,用红外衍射有限的空间分辨率成像.
• 开发了一种基于大约7亿个红外光谱训练的六类组织病理学分类模型.
• 采用两种光学设置 (标准和高清) 来捕获组织数据.

主要成果:

• 在六类基因病理学模型中实现的像素水平曲线下面面积 (AUC) 值超过0.95.
• 证明了该模型在高精度分类不同组织类型方面的有效性.
• 建立了迄今为止针对基因病理学分析的最大的红外光谱数据集之一.

结论:

• 开发的机器学习模型显示,通过IR成像来准确检测胰腺癌具有显著的前景.
• 基于IR的组织病理学作为一种成功的数字染色技术,从IR光谱中提取关键的生物化学数据.
• 这种方法为古典遗传病理学提供了一个补充工具,具有潜在的临床实用性.